ai08卫宁健康：基于AI引擎的骨龄辅诊系统.pdf

附件一 参选表格 申报单位 卫宁健康科技集团股份有限公司 联合申报单位 无 申报项目名称 基于AI 引擎的骨龄辅诊系统 项目开始时间 2018 年1 月 项目结束时间 2020 年6 月 联系人 濮英琪（ □互联网医疗 □医院数据治理建设 ☑人工智能创新应用 参选方向（单选） □医院物联网应用 □抗疫信息化建设 载 转 止 禁 意 同 经 未 1 / 14 基于AI 引擎的骨龄辅诊系统 一、 项目简介 来自国家健康卫生领域纲领性文件《健康中国行动（2019—2030 年）》的统 计数据显示：我国7～18 岁城市男生和女生的肥胖检出率已达到11.1%和5.8%， 与此同时，儿童性早熟率也达到了约1%。这与我国目前小儿常见内分泌问题—— 儿童的长个息息相关。在临床上，骨龄能更加准确地反映个体的生长发育水平和 成熟程度。然而不同于其它技术的进步，现在的骨龄鉴定法依然使用上世纪 50 年代发明的方法。传统的骨龄片研判有两种方法： 一是G-P 图谱法，由于其使用简便、直观、耗时短，被国内外临床专家广泛 采用。然而由于许多儿童手腕骨的发育不像标准片均衡，G-P 法在使用过程中仍 然存在主观性及不精确性问题。 二是TW3 计分法，TW3 法精确但较为繁琐，耗时长，需对桡-尺-掌指骨及腕 部共 20 块骨分别做 8 个等级的评分和计算，即便使用计算机软件也需耗时 15 载 分钟，临床实际工作中难以推行。 转 通过本案例的建设和应用，在骨影像输入后，基于AI 引擎的骨龄辅诊系统 止 禁 可迅速完成找骨骼、定级、判定和输出结果。利用深度学习技术，结合TW3 计分 意 法、GP 图谱法等骨龄判读标准，判断每块手骨的特征，检测精确度可达到0.1 同 岁，骨龄值误差在3 个月以内，从而有效规避传统骨龄研判方法存在的弊端，快 经 速辅助医院完成儿童骨龄检测，判定儿童生长发育水平和成熟度。 未 二、 服务内容 1. 基于深度学习的骨龄辅诊系统 2 / 14 图1—骨龄辅诊系统 通过深度卷积神经网络等系统，判定并勾画出骨龄生长发育关键部位，提取 关键部位骨龄影像学高维特征，通过深度学习和回归模型，提取关键部位的影像 高纬度特征，融合临床大数据特征，实现对于儿童骨龄的精准判断。 载 转 2. 基于自然语言处理的报告应